随着机器学习在各种应用领域的显著成功，我们正目睹越来越多的人对机器学习在药物发现和开发中的应用感兴趣。

在本教程中，我们将介绍机器学习在过去几年中取得的关键进展，并强调这些进展在药物开发中带来的根本性的新机遇。我们感兴趣的是这些进步为什么以及如何帮助完成与药品有关的任务。我们通过六个关键任务详细阐述了机器学习在药物开发中的应用:(a)合成预测和新药设计，(b)分子性质预测，(c)虚拟药物筛选和药物靶标相互作用，(d)临床试验招募，(e)药物再利用，(f)药物不良反应和多用药。

我们讨论这些关键药物相关任务的方法背后的理论基础，阐明基于不同配方的各种方法，并总结代表性的应用。我们将涵盖生成模型、强化学习以及深度表示学习和嵌入方面的最新进展。为此，我们提出了一个用于端到端药物开发的人工智能算法工具箱。

地址：https://zitniklab.hms.harvard.edu/drugml/

内容中包含的图片若涉及版权问题，请及时与我们联系删除